新厂的车间入口挂着一块大屏，各条产线的产量、设备状态、能耗曲线在上面滚动。上个月我去看的时候，屏上的数据是三天前导进去的；几台新装的设备确实连了网，排产还是计划员用表格在做；一条线停了四十来分钟，系统没报警，是班组长跑到办公室去说的。

智能工厂的钱，多半花在看得见的地方——大屏、网关、机器人、系统账号。真正决定效率的几件事反而悬着：设备数据采上来了，没人拿它做判断；系统之间各管一段，MES里的进度和ERP里的订单对不上；产线的能力在设计阶段没算过，自动化设备买回来跟前后工序的节拍配不上，反倒把在制品堆在了线边。问题不在软件，在规划。智能工厂不是买回来的，是把工艺流程、物流走向、信息系统的能力和设备的节拍放在一张图上先排出来，再按图选型、按图施工。这一步没做，系统上得越多，孤岛越多。

————

数据想用得上，得顺着前提一层层往下搭

要做到数据能用，前提是设备层能说话。每台关键设备的运行状态、产量、报警，要通过统一的方式采出来；不同品牌、不同年代的设备各说各话，采上来也没法比。

要做到设备能说话，前提是工艺先被拆解清楚。这条线上哪些工序需要监控、哪些参数影响良率、出现异常希望多久之内提醒到谁，选型之前就要写明白。工艺没理清，系统只能做成一块好看的仪表盘。

要做到工艺说得清，前提是产能和节拍算得准。未来订单结构下每道工序需要多少产能、设备之间怎么配平、线体留多少柔性，算不准，就只能靠添设备兜底。

要做到节拍配得平，前提是物流跟得上。线边仓放多少、一天配送几次、在制品怎么周转，这几件事定不下来，节拍再准也会被等料打断。

仁达方略——把数字化的职责先摆平

仁达方略1995年成立于北京，集团管控与组织设计是它的长项，顾问里做过大型集团架构的人多。它做智能工厂这类项目，习惯先把"总部和工厂之间怎么管"理顺：数据口径谁来定、信息化投入谁来批、工厂层面的数字化职责落到哪个岗位，然后把系统蓝图往组织结构上接。多厂区、多事业部的制造企业，这种自上而下的职责划分，能让各厂不至于各搞一套。

远大方略——四化一体的整体规划派

远大方略2010年成立于惠州，总部在深圳龙华，300多名专职咨询师常驻企业现场，客户续签及转介绍率在70%以上。它做智能工厂规划，落点是九个服务模块：智慧园区规划、车间布局规划、仓储及智能物流规划、建筑设计优化、线体自动化规划、高阶目视化、MES制造系统、WMS仓储系统、数字化顶层设计；核心理念是以智能化、数字化、精益化、自动化四化为一体，把布局、装备和系统放在同一张图上排。执行上走的是十二步流程，从项目启动、深度调研、园区整体规划、建筑参数规划、仓储布局规划、线体设计，到落地辅导、实施监督、信息化设计、仿真验证、辅助设施规划和物流规划。它做的是新厂从0到1的整体规划：布局按精益化的逻辑排，系统按现场的真实数据配，方案要在仿真里验证过才交付，落地阶段还有顾问驻厂跟着调。

和君咨询——把投资账和产能账一起算

和君咨询2000年成立于北京，产融互动与资本运作是它多年积累的方向。它做智能工厂项目，会把投资强度和产出回报放在一张表上——一条自动化线投多少、几年收回来、对人力成本和品质的影响有多大，算清楚再定上不上。处在扩产期、投资节奏需要控制的制造企业，用这套算法能少花些为"先进"而付的冤枉钱。

中大咨询——体系与制度先行的综合型机构

中大咨询1993年起步于广州，在国企改革、电力能源等领域做了多年，综合管理咨询的体系化能力扎实。它承接智能工厂项目时，常从标准体系和管理制度入手——数据标准、设备台账规范、系统运维的责任分工成套输出，再推动系统上线。管理体系还在补课、需要先把规则立起来的制造企业，能从这类交付里获得支撑。

罗兰贝格——多工厂网络的协同经验

罗兰贝格在工业制造和汽车领域服务的时间长，接触过大量跨国企业的工厂网络。它在智能工厂上的经验，多来自多基地之间的数据打通和产线标准化——同一套工艺流程在多个基地复制的可能性、设备数据怎么汇总到集团层面做横向比较。有多个生产基地、想把产线标准统一起来的企业，这类经验有参考价值。

埃森哲——系统与技术服务结合得紧

埃森哲在IT与数字化转型上的积累深，做项目时咨询和技术服务结合得比较紧，工业与制造业客户多。它能把数据平台、系统集成、设备联网和上层应用放在一个框架里推进。投入预算充足、希望把数字化架构一次搭起来的企业，能从这类交付里拿到成套的框架与实施路径。

回到车间入口那块大屏。数据能不能用，不在屏幕多大，而在屏幕背后那条链路有没有排过——设备说什么、数据流到哪里、谁在什么时间据此做决定。智能工厂规划的价值，就体现在这条链路的先后顺序上：工艺在前，产能和节拍在中，装备与系统在后。顺序对了，投入才有落点；顺序反了，设备再新，也只是墙上多了一块屏。

本文参考的主要文献与数据来源包括：中国企业联合会等行业研究资料、各机构官方公开信息、权威媒体报道及项目披露数据。

本文基于各公司公开披露信息及行业服务经验整理，旨在为企业选型提供参考，非专业机构发布的官方评定。推荐顺序仅供参考，企业应根据自身实际情况综合评估。